近日，我院丁佐华教授团队教师江明月副教授、赵泱泱副教授、丁佐华教授获第30届软件分析、演化和重构国际会议（30thIEEE International Conference onSoftware Analysis, Evolution and Reengineering, SANER 2023）杰出论文奖（IEEE Computer Society Distinguished Paper Award）。
【奖项介绍】
SANER会议旨在促进在软件分析、演化和重构领域的最新研究成果的交流和分享，涵盖了软件工程、程序语言和系统软件等多个方向。该会议自1994年起每年举办一次，是国际软件工程领域内的权威学术会议之一，也是软件工程领域CCF B类推荐会议。
IEEE Computer Society Distinguished Paper Award是为了表彰杰出的科研论文工作而设立。SANER 2023获奖论文从被录取的论文中选出（论文录取率27%）。该奖项评选标准严格，需要评选委员会在评审优秀的论文中选出一篇或多篇，评选过程严谨且公正。获奖论文的研究成果被认为具有卓越的创新性、重要性和影响力，并对软件工程领域的发展有着重要的推动作用。
【论文概况】
由于机器学习技术的普遍应用及其模型内在的黑箱性质，人们已经意识到为其提供充分且必要的解释对于揭示模型所作决策的机理尤为重要。然而，现有的解释方法仅聚焦于解释的充分性或必要性。为了填补这一空白，本文提出DDImage，一种为基干机器学习的图片分类模型自动生成充分且必要解释的方法。该方法的核心思想是通过一系列图片约简操作参照预期的充分及必要属性来调试给定的输入图像，进而获得恰当的解释。此文基于广泛使用的模型和数据集开展了全面的实验，并将团队的方法与两种最先进的方法BayLIME和SEDO进行比较。实验结果表明DDImage优于其他方法，它可以在保持充分及必要属性的前提下产生最小的解释。此外DDImage在稳定性方面也表现优越。
【实际应用】
论文所提出的方法实现了对机器学习模型局部解释的自动化生成。一方面，所生成的局部解释可以帮助用户更好的理解机器学习模型的运行机理和行为特征，有利于机器学习模型在不同领域的应用和推广；另一方面，所提供的局部解释也有助于开发人员洞察机器学习模型的优点和不足，有助于后续的模型优化和调整，进而对模型的质量保障提供正向支撑。
